【广发金工】2024精选深度报告系列之四：基于卷积神经网络的ETF轮动策略

文章预览

摘 要 研究背景 。 境内ETF市场规模创历史新高，指数化投资已成为境内公募基金行业发展趋势。我们团队于近期发布过《基于卷积神经网络的股价走势AI识别与分类》等深度学习研究报告，样本外跟踪至今仍旧有相对稳定的市场表现。ETF具备持仓透明、交易便利、费用低廉等特征。本报告探索将深度学习因子映射到ETF产品轮动中的效果。 因子构建。 通过构建标准化的价量数据图表，设计了卷积神经网络识别其中价格和交易量的走势形态，将其与未来股价进行建模，从而实现对未来股价的预测。然后基于个股因子值和权重数据计算权益指数的因子值，再进一步映射到ETF中。 实证 分析。 周频ETF轮动模式下，ETF_fimage因子的IC均值为6.9%,IC胜率为62%，多空年化收益为20.4%，多空年化波动率为17.01%,多头年化收益为14.4%，空头年化收益为-6.1%。因子分年度表现 ………………………………